> ## Documentation Index
> Fetch the complete documentation index at: https://docs.yelinai.com/llms.txt
> Use this file to discover all available pages before exploring further.
# Gemini 模型
> Google Gemini系列模型的详细使用指南
本页介绍 Gemini 系列模型在 YeLin AI 的使用方式。
你用 OpenAI 兼容接口即可调用 Gemini。
用同一个端点调用 Gemini。
找到 Gemini 的模型 id。
## 模型简介
Google Gemini是谷歌开发的先进多模态AI模型，具有强大的文本理解、代码生成、图像分析和推理能力。在YeLIn AI平台上，你可以使用Gemini的最新模型版本。
## 🚀 模型概览
## Gemini 1.5 Pro
最新旗舰模型，支持超长上下文和多模态
## Gemini 1.5 Flash
轻量快速版本，高性价比选择
## Gemini 1.0 Pro
经典版本，稳定可靠
## Gemini Vision
专门优化的视觉理解模型
## Gemini 1.5 Pro (推荐)
Gemini 1.5 Pro是Google最新的旗舰模型，支持长达200万token的上下文长度。
### 🎯 核心特性
**模型ID：** `gemini-1.5-pro-latest`
**特点：**
* 🧠 强大的推理和分析能力
* 📚 超长上下文支持（2M tokens）
* 🖼️ 多模态能力：文本、图像、视频、音频
* 🔍 优秀的文档理解能力
* 💻 卓越的代码生成能力
* 🌍 优秀的多语言支持
**价格：** 输入 3.5/1Mtokens，输出3.5/1M tokens，输出 3.5/1Mtokens，输出10.5/1M tokens
Python
Node.js
cURL
```
from openai import OpenAI
client = OpenAI(
api_key="YOUR_API_KEY",
base_url="https://api.yelinai.com/v1"
)
# 基础对话
response = client.chat.completions.create(
model="gemini-1.5-pro-latest",
messages=[
{
"role": "system",
"content": "你是一个专业的AI助手，擅长分析和解决复杂问题"
},
{
"role": "user",
"content": "请分析一下人工智能在教育领域的应用前景"
}
],
max_tokens=1000,
temperature=0.7
)
print(response.choices[0].message.content)
```
### 📚 超长文档分析
Gemini 1.5 Pro的超长上下文特别适合处理大型文档：
```
# 处理超长文档
long_document = """
[这里是一个非常长的文档，可能包含数十万字的内容，
比如完整的学术论文、技术文档、小说等...]
"""
response = client.chat.completions.create(
model="gemini-1.5-pro-latest",
messages=[
{
"role": "system",
"content": "你是一个专业的文档分析专家，擅长提取关键信息和深入分析"
},
{
"role": "user",
"content": f"""
请对以下文档进行全面分析：
{long_document}
请提供：
1. 文档摘要（500字以内）
2. 关键观点和论证
3. 数据和统计信息
4. 结论和建议
5. 潜在问题和改进方向
"""
}
],
max_tokens=3000,
temperature=0.3
)
```
### 🖼️ 多模态能力
Gemini 1.5 Pro支持图像、视频和音频分析：
```
# 图像分析
response = client.chat.completions.create(
model="gemini-1.5-pro-latest",
messages=[
{
"role": "user",
"content": [
{
"type": "text",
"text": "请详细分析这张图片中的设计元素、色彩搭配和视觉效果"
},
{
"type": "image_url",
"image_url": {
"url": "https://example.com/image.jpg",
"detail": "high"
}
}
]
}
],
max_tokens=800
)
print(response.choices[0].message.content)
```
### 💻 代码生成和审查
```
# 复杂代码生成任务
code_request = """
请创建一个完整的Python类，实现以下功能：
1. 一个分布式缓存系统的客户端
2. 支持Redis和Memcached后端
3. 实现自动故障转移
4. 包含连接池管理
5. 支持异步操作
6. 提供完整的错误处理
7. 包含详细的文档和类型提示
8. 提供完整的单元测试
请确保代码符合Python最佳实践，包含详细注释。
"""
response = client.chat.completions.create(
model="gemini-1.5-pro-latest",
messages=[
{
"role": "system",
"content": "你是一个资深的Python开发专家，擅长设计高质量的系统架构"
},
{
"role": "user",
"content": code_request
}
],
max_tokens=4000,
temperature=0.2
)
```
## Gemini 1.5 Flash (高性价比)
Gemini 1.5 Flash是轻量级版本，提供快速响应和优异的性价比。
### ⚡ 核心特性
**模型ID：** `gemini-1.5-flash-latest`
**特点：**
* 🚀 超快响应速度
* 💰 极高性价比
* 🎯 保持核心能力
* 📱 移动端友好
* 🔄 适合高频调用
**价格：** 输入 0.075/1Mtokens，输出0.075/1M tokens，输出 0.075/1Mtokens，输出0.3/1M tokens
### 🎮 使用场景
实时对话
```
# 实时聊天场景
def real_time_chat(user_message, conversation_history):
messages = conversation_history + [
{"role": "user", "content": user_message}
]
response = client.chat.completions.create(
model="gemini-1.5-flash-latest",
messages=messages,
max_tokens=500,
temperature=0.7,
stream=True # 流式响应
)
for chunk in response:
if chunk.choices[0].delta.content:
yield chunk.choices[0].delta.content
```
快速翻译
```
# 批量翻译任务
def batch_translate(texts, target_lang="中文"):
batch_text = "\n".join([f"{i+1}. {text}" for i, text in enumerate(texts)])
response = client.chat.completions.create(
model="gemini-1.5-flash-latest",
messages=[
{
"role": "system",
"content": f"你是一个专业的翻译专家，请将以下文本翻译成{target_lang}"
},
{
"role": "user",
"content": batch_text
}
],
max_tokens=2000,
temperature=0.2
)
return response.choices[0].message.content
```
代码辅助
```
# 代码补全和优化
def code_assistant(code, task="优化"):
response = client.chat.completions.create(
model="gemini-1.5-flash-latest",
messages=[
{
"role": "system",
"content": f"你是一个编程助手，擅长{task}代码"
},
{
"role": "user",
"content": f"请{task}以下代码：\n\n{code}"
}
],
max_tokens=1000,
temperature=0.3
)
return response.choices[0].message.content
```
### 📱 移动应用集成
```
# 移动端优化配置
mobile_config = {
"model": "gemini-1.5-flash-latest",
"max_tokens": 300, # 控制响应长度
"temperature": 0.7,
"timeout": 10, # 快速超时
"stream": True # 流式响应提升体验
}
def mobile_chat(user_input):
"""移动端聊天功能"""
response = client.chat.completions.create(
**mobile_config,
messages=[
{
"role": "system",
"content": "你是一个友好的移动助手，回答简洁明了"
},
{
"role": "user",
"content": user_input
}
]
)
return response.choices[0].message.content
```
## Gemini 1.0 Pro (经典版)
稳定可靠的经典版本，适合生产环境。
### 🏛️ 核心特性
**模型ID：** `gemini-1.0-pro`
**特点：**
* 🎯 稳定可靠的性能
* 💼 适合生产环境
* 📊 良好的商业应用表现
* 🔄 长期支持
**价格：** 输入 0.5/1Mtokens，输出0.5/1M tokens，输出 0.5/1Mtokens，输出1.5/1M tokens
### 💼 商业应用
```
# 商业分析和报告
business_analysis = """
请分析以下公司的季度财务数据：
营收：$125M (同比增长15%)
利润：$32M (同比增长8%)
用户数：2.3M (同比增长25%)
员工数：450人 (同比增长12%)
主要业务：
- SaaS产品 (70%营收)
- 咨询服务 (20%营收)
- 培训业务 (10%营收)
竞争对手：
- 公司A：市场份额35%
- 公司B：市场份额28%
- 我们：市场份额12%
请提供详细的业务分析和发展建议。
"""
response = client.chat.completions.create(
model="gemini-1.0-pro",
messages=[
{
"role": "system",
"content": "你是一个资深的商业分析师，擅长财务分析和战略规划"
},
{
"role": "user",
"content": business_analysis
}
],
max_tokens=2000,
temperature=0.3
)
```
## Gemini Vision (视觉专家)
专门针对视觉任务优化的模型。
### 👁️ 核心特性
**模型ID：** `gemini-pro-vision`
**特点：**
* 🖼️ 专业的图像理解能力
* 🎨 设计元素分析
* 📊 图表和数据可视化解读
* 🏗️ 建筑和空间分析
* 🎭 艺术作品鉴赏
**价格：** 输入 0.25/1Mtokens，输出0.25/1M tokens，输出 0.25/1Mtokens，输出0.5/1M tokens
### 🎨 图像分析应用
设计分析
数据图表解读
```
# 设计元素分析
def analyze_design(image_url):
response = client.chat.completions.create(
model="gemini-pro-vision",
messages=[
{
"role": "user",
"content": [
{
"type": "text",
"text": """
请从专业设计师的角度分析这张图片：
1. 色彩搭配和色彩心理学
2. 构图和视觉平衡
3. 字体和版式设计
4. 品牌识别和一致性
5. 用户体验和可用性
6. 改进建议
"""
},
{
"type": "image_url",
"image_url": {"url": image_url}
}
]
}
],
max_tokens=1000
)
return response.choices[0].message.content
```
### 🏗️ 建筑和空间分析
```
# 建筑设计分析
def analyze_architecture(image_url):
response = client.chat.completions.create(
model="gemini-pro-vision",
messages=[
{
"role": "user",
"content": [
{
"type": "text",
"text": """
请从建筑师的角度分析这张建筑图片：
1. 建筑风格和设计理念
2. 空间布局和功能分区
3. 材料选择和构造技术
4. 环境适应性和可持续性
5. 美学价值和文化意义
6. 改进和优化建议
"""
},
{
"type": "image_url",
"image_url": {"url": image_url}
}
]
}
],
max_tokens=1200
)
return response.choices[0].message.content
```
## Gemini的独特优势
### 1. 🧠 强大的推理能力
Gemini在逻辑推理和问题解决方面表现出色：
```
# 复杂逻辑推理
logical_problem = """
有一个岛屿，住着两种人：
1. 诚实的人，总是说真话
2. 撒谎的人，总是说假话
你遇到了三个人A、B、C，他们说：
- A说："我们三个人中至少有一个是诚实的"
- B说："A是撒谎的人"
- C说："B和我都是撒谎的人"
请问A、B、C分别是什么人？请详细说明推理过程。
"""
response = client.chat.completions.create(
model="gemini-1.5-pro-latest",
messages=[
{
"role": "system",
"content": "你是一个逻辑推理专家，擅长解决复杂的逻辑问题"
},
{
"role": "user",
"content": logical_problem
}
],
max_tokens=1000,
temperature=0.2
)
```
### 2. 📚 超长上下文处理
Gemini 1.5 Pro支持高达200万token的上下文：
```
# 处理超长内容
def process_long_content(content_list):
"""处理多个长文档"""
combined_content = "\n\n".join([
f"文档{i+1}:\n{content}"
for i, content in enumerate(content_list)
])
response = client.chat.completions.create(
model="gemini-1.5-pro-latest",
messages=[
{
"role": "system",
"content": "你是一个文档分析专家，擅长处理大量信息"
},
{
"role": "user",
"content": f"""
请分析以下多个文档，并提供：
1. 文档间的关联性分析
2. 共同主题和差异点
3. 综合结论和建议
{combined_content}
"""
}
],
max_tokens=3000,
temperature=0.3
)
return response.choices[0].message.content
```
### 3. 🎯 精准的多模态理解
Gemini在多模态任务中表现优异：
```
# 多模态分析
def multimodal_analysis(image_urls, text_context):
content = [
{
"type": "text",
"text": f"背景信息：{text_context}\n\n请结合图片分析以下内容："
}
]
# 添加多张图片
for i, url in enumerate(image_urls):
content.append({
"type": "image_url",
"image_url": {"url": url}
})
response = client.chat.completions.create(
model="gemini-1.5-pro-latest",
messages=[
{
"role": "user",
"content": content
}
],
max_tokens=1500
)
return response.choices[0].message.content
```
## 使用技巧和最佳实践
### 1. 模型选择策略
复杂分析任务
**推荐：** Gemini 1.5 Pro
* 学术研究分析
* 长文档处理
* 多模态任务
* 复杂推理问题
```
# 复杂任务配置
complex_config = {
"model": "gemini-1.5-pro-latest",
"temperature": 0.3,
"max_tokens": 3000
}
```
快速响应场景
**推荐：** Gemini 1.5 Flash
* 实时对话
* 快速翻译
* 代码补全
* 移动应用
```
# 快速响应配置
fast_config = {
"model": "gemini-1.5-flash-latest",
"temperature": 0.7,
"max_tokens": 500
}
```
视觉任务
**推荐：** Gemini Pro Vision
* 图像分析
* 设计审查
* 图表解读
* 艺术鉴赏
```
# 视觉任务配置
vision_config = {
"model": "gemini-pro-vision",
"temperature": 0.4,
"max_tokens": 1000
}
```
成本敏感场景
**推荐：** Gemini 1.0 Pro
* 生产环境
* 批量处理
* 基础对话
* 内容生成
```
# 成本优化配置
cost_config = {
"model": "gemini-1.0-pro",
"temperature": 0.5,
"max_tokens": 1000
}
```
### 2. 性能优化
## 上下文管理
充分利用Gemini的长上下文能力
```
def manage_context(conversation_history, max_context=1000000):
# 智能截断上下文
total_tokens = sum(len(msg["content"]) for msg in conversation_history)
if total_tokens > max_context:
# 保留最重要的消息
important_messages = conversation_history[-20:] # 最近20条
system_message = conversation_history[0] # 系统消息
conversation_history = [system_message] + important_messages
return conversation_history
```
## 并行处理
并行处理多个任务提高效率
```
import asyncio
async def parallel_analysis(tasks):
async def process_task(task):
response = await client.chat.completions.create(
model="gemini-1.5-flash-latest",
messages=[{"role": "user", "content": task}],
max_tokens=500
)
return response.choices[0].message.content
results = await asyncio.gather(*[process_task(task) for task in tasks])
return results
```
## 缓存策略
缓存常用结果减少API调用
```
from functools import lru_cache
import hashlib
@lru_cache(maxsize=1000)
def cached_gemini_call(prompt_hash, model):
# 实际的API调用
return call_gemini_api(prompt_hash, model)
def get_cached_response(prompt, model):
prompt_hash = hashlib.md5(prompt.encode()).hexdigest()
return cached_gemini_call(prompt_hash, model)
```
## 流式响应
使用流式响应提升用户体验
```
def stream_response(prompt, model="gemini-1.5-flash-latest"):
response = client.chat.completions.create(
model=model,
messages=[{"role": "user", "content": prompt}],
stream=True,
max_tokens=1000
)
for chunk in response:
if chunk.choices[0].delta.content:
yield chunk.choices[0].delta.content
```
### 3. 错误处理和监控
```
import time
import logging
from typing import Optional
class GeminiClient:
def __init__(self, api_key: str, max_retries: int = 3):
self.client = OpenAI(
api_key=api_key,
base_url="https://api.yelinai.com/v1"
)
self.max_retries = max_retries
self.logger = logging.getLogger(__name__)
def robust_completion(self, **kwargs) -> Optional[str]:
"""带重试和错误处理的完成请求"""
for attempt in range(self.max_retries):
try:
response = self.client.chat.completions.create(**kwargs)
# 记录使用情况
self.log_usage(kwargs.get('model'), response.usage)
return response.choices[0].message.content
except Exception as e:
self.logger.error(f"Attempt {attempt + 1} failed: {e}")
if attempt == self.max_retries - 1:
raise e
# 指数退避
time.sleep(2 ** attempt)
return None
def log_usage(self, model: str, usage):
"""记录使用情况"""
self.logger.info(f"Model: {model}, "
f"Input tokens: {usage.prompt_tokens}, "
f"Output tokens: {usage.completion_tokens}, "
f"Total: {usage.total_tokens}")
# 使用示例
gemini_client = GeminiClient("YOUR_API_KEY")
result = gemini_client.robust_completion(
model="gemini-1.5-pro-latest",
messages=[{"role": "user", "content": "Hello, Gemini!"}]
)
```
## 与其他模型的对比
### Gemini vs GPT-4
长文本处理
**Gemini优势：**
* 支持高达200万token的上下文
* 更好的长文档理解能力
* 优秀的信息提取和总结
**适用场景：** 长文档分析、大数据处理、复杂研究
多模态能力
**Gemini优势：**
* 原生多模态设计
* 更强的图像理解能力
* 支持视频和音频分析
**适用场景：** 视觉分析、媒体处理、设计审查
成本效益
**Gemini优势：**
* 更具竞争力的价格
* 高性价比的Flash版本
* 长上下文的性价比优势
**适用场景：** 成本敏感的应用、大规模部署
### Gemini vs Claude
推理能力
**Gemini优势：**
* 强大的数学推理能力
* 优秀的逻辑分析能力
* 更好的代码生成能力
**适用场景：** 数学问题、逻辑推理、编程任务
多语言支持
**Gemini优势：**
* 更广泛的语言支持
* 更好的跨语言理解能力
* 优秀的本地化能力
**适用场景：** 国际化应用、多语言内容处理
***
## 探索国产大模型
了解通义千问、文心一言、智谱ChatGLM等国产大模型
## 查看完整API参考
查看详细的API调用参数和示例